python neurolab - 我们可以用许多输入部件渐进地训练吗？

我使用的neurolab机器学习classfication问题，链接： - http://code.google.com/p/neurolab/python neurolab - 我们可以用许多输入部件渐进地训练吗？

我的问题是，我们可以逐步训练神经网络？

为了进一步解释，我有输入数据的三个部分，我想

e = net.train(input_part1, output_part1, show=1, epochs=100, goal=0.0001) 
e = net.train(input_part2, output_part2, show=1, epochs=100, goal=0.0001) 
e = net.train(input_part3, output_part3, show=1, epochs=100, goal=0.0001)

训练神经网络将列车通话与前两个部分将有效地预测神经网络参数 - 或者 - 这只会使用上次训练数据吗？

来源

2012-10-21 Jayaprakash Sundararaj

通常您会将所有数据一起添加到一个数据集中并在此训练集上训练网络。训练指的是设置权重。为什么不将所有输入（part1，part2，part3）添加到一个数据集中？请注意，有些技术的学习和重新调整是学习算法的一部分。如果你想做一个简单的算法，你有一个周期的训练和一个周期的表现。

来源

2012-10-22 00:01:52 RParadox

感谢您的回复。是。我可以合并输入的所有部分。但问题是个别部分本身非常庞大，所以我很担心，合并后他们甚至无法加载数据进行培训。如果有什么方法请帮助我？ –

档案有多大？你可以合并这些文件。如果您想为每个训练集添加权重，那将很困难。您可以输出权重并查看问题是否具有累加性？您是否仅使用一部分来尝试测试数据？如果你打算使用千兆字节的样本，我不确定这会起作用。这是文字吗？顺便说一下，如果可以的话，在计算器上用netiquette接受问题的答案。干杯。 – RParadox

看来，数据大小是你的实际问题。你可以使用numpy.memmap。它模拟内存中的数组，但数据实际上保留在磁盘上。 – Christian

python neurolab - 我们可以用许多输入部件渐进地训练吗？

回答

相关问题